[发明专利]文本资料的分类方法、装置、设备及存储介质

说明书

本发明涉及资料分类领域，公开了一种文本资料的分类方法、装置、设备及存储介质。该方法包括：获取房地产的文件图像数据；基于预置OCR识别算法，对文件图像数据进行识别处理，得到图像特征数据；基于图像特征数据的特征排列位置，将图像特征数据转换为N维向量，得到N维特征向量，其中，N为正整数；读取预置N维测试节点集，在同一N维空间中，计算N维特征向量与N维测试节点集中所有N维测试节点的欧式距离，得到测量距离集；筛选出测量距离集中小于预置划分阈值的测量距离，得到筛选距离集；根据预置回归算法，对筛选距离集进行分类回归处理，得到图像类型；将图像类型确定为文件图像数据的种类。

技术领域

本发明涉及资料分类领域，尤其涉及一种文本资料的分类方法、装置、设备及存储介质。

背景技术

在房产金融交易中，涉及到一些非常重要的身份证明证件及房产证明文件进行传递证明及使用，主要包含：身份证、房产证、结婚证、个人征信证明等，在业务办理和处理中所用的各类资料多以图片影像形式存在，一般通过纸质扫描或移动端拍照采集获得，存在大量的不同类型的图像数据，由于不同种类图像数据之间处理和录入规则还不太一致，因此需要一些对房地产资料种类进行分类的技术。

现有技术中也存在一些对资料分类的技术，但是现有技术资料的分类在房地产的资料分类过程中，无法对种类数量过多的资料进行分类，因此需要一种新的技术。

发明内容

本发明的主要目的在于解决现有技术资料的分类在房地产的资料分类过程中，无法对种类数量过多的资料进行分类的技术问题。

本发明第一方面提供了一种文本资料的分类方法，包括步骤：

获取房地产的文件图像数据；

基于预置OCR识别算法，对所述文件图像数据进行识别处理，得到图像特征数据；

基于所述图像特征数据的特征排列位置，将所述图像特征数据转换为N维向量，得到N维特征向量，其中，N为正整数；

读取预置N维测试节点集，在同一N维空间中，计算所述N维特征向量与所述N维测试节点集中所有N维测试节点的欧式距离，得到测量距离集；

筛选出所述测量距离集中小于预置划分阈值的测量距离，得到筛选距离集；

根据预置回归算法，对所述筛选距离集进行分类回归处理，得到图像类型；

将所述图像类型确定为文件图像数据的种类。

可选的，在本发明第一方面的第一种实现方式中，在所述根据预置分类处理算法，对所述图像特征数据进行分类处理，得到图像类型之前，还包括：

获取M个带标签的训练图像数据；

基于预置OCR识别算法，对M个所述带标签的训练图像数据进行识别处理，得到M个训练特征数据，其中，M为正整数；

将M个所述训练特征数据转换为对应的M个N维向量，得到M个带标签的N维训练向量，其中，N为正整数；

将M个带标签的N维训练向量进行组合处理，生成N维测试节点集。

可选的，在本发明第一方面的第二种实现方式中，所述根据预置回归算法，对所述筛选距离集进行分类回归处理，得到图像类型包括：

读取所述筛选距离集中每个筛选距离对应的标签；

统计每个种类的标签对应筛选距离数量；

基于每个种类的标签对应所述筛选距离数量，计算出所述筛选距离集关于标签的方差值；

判断所述方差值是否大于预置判定阈值；

若大于判定阈值，则将最大筛选距离数量对应的标签确定为图像类型。